Caltech-256

我们介绍了一组具有挑战性的256对象类别，总共包含30607个图像。原始Caltech-101是通过选择一组对象类别，从Google图片下载示例，然后手动筛选出不符合该类别的所有图像来收集的。以类似的方式收集Caltech-256，并进行了一些改进: a) 类别的数量增加了一倍以上，b) 任何类别中的最小图像数量从31增加到80，c) 避免了由于图像旋转引起的伪像，并且d) 引入了新的更大的杂波类别来测试背景抑制。我们建议使用几种测试范例来衡量分类性能，然后使用两个简单的指标以及最先进的空间金字塔匹配算法对数据集进行基准测试。最后，我们使用杂波类别来训练兴趣检测器，该检测器拒绝无信息的背景区域。